載入中...
載入中...
oneday 的 Threads 用 ATM 與手機銀行比喻工程師面對 AI 的位置：ATM 取代銀行櫃員的部分任務，但真正讓櫃員需求下降的是手機銀行讓許多臨櫃任務變得不再必要。對工程師也是如此，短期 AI 可能像 ATM，提升寫碼效率；長期若產品入口與使用者行為改變，會像 iPhone 一樣讓既有任務消失。本文整理成工程師/軟體公司策略：不要只站在被自動化的任務上，要站到問題定義、系統整合、業務入口、信任與責任邊界。
Threads 貼文提出「把自己蒸餾成 skill」：工程師刻意不親手寫每一行程式，而是把反覆流程、溝通方式、驗收標準與修正策略變成 AI 可重複執行的操作規格。本文整理這種 AI coding 工作法的核心：AI 當駕駛、人類當教練；真正該被保留在人類手上的，是問題定義、架構判斷、風險控管、測試驗收與可遷移的工作流設計。
FinLab Threads 轉述 Claude Code 2026 年 3–4 月品質下降事件。補查 Anthropic 官方 4/23 postmortem、GitHub issue #42796 與 The Register 後，核心結論是：模型本身未必變差，但 reasoning effort、thinking history cache、system prompt 等產品層改動，足以讓 AI coding agent 在實務上退化。成熟團隊需要 agent observability、回歸測試、fallback vendor 與審查制度。
Stanford CS146S: The Modern Software Developer 表面上被 Threads 稱為 Vibe Coding 課，但課程內容其實是現代 AI-assisted software development 的硬功夫：prompting、coding agent anatomy、MCP、context management、AI IDE、code review、安全、測試與部署。這代表 vibe coding 不是把責任丟給 AI，而是工程師要學會管理 AI 工作流。
整理 Karpathy 在 Sequoia 訪談中對 Vibe Coding 與 Agentic Engineering 的區分：AI 讓人人都能更快做出軟體，但專業價值會轉向規格設計、護欄、驗證、審查與 agent orchestration。
Huli 透過多個 Android 逆向案例指出，AI 的關鍵突破不只是『會用工具』，而是已經具備在高不確定工程任務中進行多路徑試錯、觀察回饋、策略切換與持續迭代的能力；真正被改寫的，不只是逆向效率，而是整體工程工作的邊界想像。